基于改进神经网络的入侵检测算法的研究
发布时间：2021-09-24 15:46
随着互联网技术的飞速发展,近年来网络攻击频繁发生,为了能够有效的防御网络攻击,入侵检测技术变得越来越重要。1980年入侵检测技术首次提出,该技术最主要的检测手段是基于网络的入侵检测技术,这种入侵检测技术是依据发生入侵后网络数据特征发生的变化进行判定,这种入侵判定规则要求及时更新入侵特征库,否则就会影响入侵检测的即时性,降低入侵检测的准确率。也就是说,这种入侵检测只能将已经出现过的网络攻击检测出来,但是随着网络技术的发展,新的网络攻击不断出现,增加了入侵检测的难度,想要准确检测出未知的网络攻击就要引入一种新的方法与入侵检测技术相结合,提高入侵检测技术的自适应性,进而提高入侵检测的准确率。本文以人工神经网络原理作为切入口,使用HGWO算法改进BP神经网络和RBF神经网络,最后将其应用到入侵检测中。本文的主要工作如下所示:（1）混合灰狼优化算法是一种将差分进化算法应用于灰狼优化算法种群更新的混合算法,这种算法结合了两种算法的优点互补缺点,形成了一种全局和局部寻优都有良好性能的算法,使用八种测试函数Sphere函数、Ackley函数、Griewank函数、Rastrigin函数、Rosenbr...
【文章来源】：河北师范大学河北省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
入侵检测通用模型图
9图2.2神经元模型图神经网络的输出的表达式为：t=f(∑=1+b)(2.1)其中为输入向量，为权值，b为偏置量，f为激活函数，t为输出。2.3.1BP神经网络BP神经网络(BackPropagationNeuralNetwork，BP神经网络)是Rumel-hart和McClelland在1986年提出的人工神经网络模型[20]，它被广泛应于入侵检测中。BP神经网络是一种多层神经网络，它的拓扑结构主要包括三部分，分别为输入层、隐含层和输出层，其中隐含层至少有一层，层与层之间的神经元都是全连接的结构，除输入层外，每一层的输入都与前一层的输出息息相关。BP神经网络更是一种负反馈型神经网络，它通过误差的负反馈进行的权值调整，使其逼近非线性函数，也正是由于这样的权值调整过程，致使BP神经网络容易陷入局部最小，并且导致了收敛速度慢。下面以三层结构的BP神经网络为例介绍BP神经网络的算法思想。三层BP神经网络的拓扑结构如图2.3所示：图2.3BP神经网络图如图2.3所示，输入层神经元输入向量为X=[，，……，]，输入向量有n
BP神经网络图
【参考文献】：
期刊论文
[1]基于GAN-PSO-ELM的网络入侵检测方法[J]. 杨彦荣,宋荣杰,周兆永. 计算机工程与应用. 2020(12)
[2]2019年网络安全漏洞态势综述[J]. 杨诗雨,桂畅旎,熊菲. 保密科学技术. 2019(12)
[3]基于机器学习的KDD-CUP99网络入侵检测数据集的分析[J]. 余华鸿,周凤艳,陈毛毛. 计算机工程与科学. 2019(S1)
[4]基于深度卷积神经网络的入侵检测研究[J]. 丁红卫,万良,周康,龙廷艳,辛壮. 计算机科学. 2019(10)
[5]改进差分进化算法优化BP神经网络用于入侵检测[J]. 陈超,曹晓梅. 计算机应用与软件. 2018(04)
[6]改进后的BP神经网络在入侵检测中的应用[J]. 刘博文. 信息与电脑(理论版). 2017(14)
[7]海量数据环境下用于入侵检测的深度学习方法[J]. 高妮,贺毅岳,高岭. 计算机应用研究. 2018(04)
[8]基于改进SVM主动学习的网络入侵检测[J]. 苏志同,刘芳正. 计算机与数字工程. 2016(09)
[9]多层极限学习机在入侵检测中的应用[J]. 康松林,刘乐,刘楚楚,廖锓. 计算机应用. 2015(09)
[10]入侵检测中基于SVM的两级特征选择方法[J]. 武小年,彭小金,杨宇洋,方堃. 通信学报. 2015(04)
博士论文
[1]基于神经网络的入侵检测相关技术研究[D]. 谢康.山东大学 2016
[2]基于机器学习的入侵检测和告警关联关键技术研究[D]. 刘敬.北京邮电大学 2016
硕士论文
[1]基于神经网络入侵检测技术的研究[D]. 王小敏.西安工程大学 2017
[2]基于改进PSO的RBF神经网络入侵检测方法研究[D]. 邵洪涛.广西大学 2012
本文编号：3408020
【文章来源】：河北师范大学河北省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
入侵检测通用模型图
9图2.2神经元模型图神经网络的输出的表达式为：t=f(∑=1+b)(2.1)其中为输入向量，为权值，b为偏置量，f为激活函数，t为输出。2.3.1BP神经网络BP神经网络(BackPropagationNeuralNetwork，BP神经网络)是Rumel-hart和McClelland在1986年提出的人工神经网络模型[20]，它被广泛应于入侵检测中。BP神经网络是一种多层神经网络，它的拓扑结构主要包括三部分，分别为输入层、隐含层和输出层，其中隐含层至少有一层，层与层之间的神经元都是全连接的结构，除输入层外，每一层的输入都与前一层的输出息息相关。BP神经网络更是一种负反馈型神经网络，它通过误差的负反馈进行的权值调整，使其逼近非线性函数，也正是由于这样的权值调整过程，致使BP神经网络容易陷入局部最小，并且导致了收敛速度慢。下面以三层结构的BP神经网络为例介绍BP神经网络的算法思想。三层BP神经网络的拓扑结构如图2.3所示：图2.3BP神经网络图如图2.3所示，输入层神经元输入向量为X=[，，……，]，输入向量有n
BP神经网络图
【参考文献】：
期刊论文
[1]基于GAN-PSO-ELM的网络入侵检测方法[J]. 杨彦荣,宋荣杰,周兆永. 计算机工程与应用. 2020(12)
[2]2019年网络安全漏洞态势综述[J]. 杨诗雨,桂畅旎,熊菲. 保密科学技术. 2019(12)
[3]基于机器学习的KDD-CUP99网络入侵检测数据集的分析[J]. 余华鸿,周凤艳,陈毛毛. 计算机工程与科学. 2019(S1)
[4]基于深度卷积神经网络的入侵检测研究[J]. 丁红卫,万良,周康,龙廷艳,辛壮. 计算机科学. 2019(10)
[5]改进差分进化算法优化BP神经网络用于入侵检测[J]. 陈超,曹晓梅. 计算机应用与软件. 2018(04)
[6]改进后的BP神经网络在入侵检测中的应用[J]. 刘博文. 信息与电脑(理论版). 2017(14)
[7]海量数据环境下用于入侵检测的深度学习方法[J]. 高妮,贺毅岳,高岭. 计算机应用研究. 2018(04)
[8]基于改进SVM主动学习的网络入侵检测[J]. 苏志同,刘芳正. 计算机与数字工程. 2016(09)
[9]多层极限学习机在入侵检测中的应用[J]. 康松林,刘乐,刘楚楚,廖锓. 计算机应用. 2015(09)
[10]入侵检测中基于SVM的两级特征选择方法[J]. 武小年,彭小金,杨宇洋,方堃. 通信学报. 2015(04)
博士论文
[1]基于神经网络的入侵检测相关技术研究[D]. 谢康.山东大学 2016
[2]基于机器学习的入侵检测和告警关联关键技术研究[D]. 刘敬.北京邮电大学 2016
硕士论文
[1]基于神经网络入侵检测技术的研究[D]. 王小敏.西安工程大学 2017
[2]基于改进PSO的RBF神经网络入侵检测方法研究[D]. 邵洪涛.广西大学 2012
本文编号：3408020
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3408020.html
